用matlab编写一个函数，在调用时，可用拟牛顿法求解目标函数的最小值。

可以使用Matlab中的fminunc函数来实现拟牛顿法求解目标函数的最小值。

具体的实现步骤如下：

1. 定义目标函数，该函数需要满足输入参数为向量，并返回一个标量作为目标函数值。

2. 定义初始点，即开始迭代的点，需要满足与目标函数的输入参数相同。

3. 调用fminunc函数，指定目标函数、初始点以及其他必要参数，返回最优解和最小值。

下面是一个简单的例子：

function [x,fval] = myopt()
% 定义目标函数
fun = @(x) x(1)^2 + x(2)^2;

% 定义初始点
x0 = [1; 1];

% 设置参数
options = optimoptions('fminunc', 'Algorithm', 'quasi-newton');

% 调用fminunc函数求解最小值
[x, fval] = fminunc(fun, x0, options);
end

在上面的例子中，我们定义了一个简单的目标函数，即$f(x) = x_1^2 + x_2^2$，然后使用fminunc函数进行求解。其中，我们使用'quasi-newton'算法来实现拟牛顿法。最后，函数返回了最优解$x$和最小值$fval$。

需要注意的是，在实际应用中，可能需要调整算法的参数以达到更好的性能，例如设置最大迭代次数、容差等等。